量化社会 大数据与社会计算

　　本书总共有10章，从社会计算起源开始，介绍了社会计算和社会媒体的概念，并对其进行了拓扑结构分析。在社会网络中，结点之间不是相互独立，而是彼此之间通过联系（边、链接）链接起来。通过社会计算，动态分析社会网络，更有效地解决网络化社会新问题。旨在让读者了解什么是社会计算，社会计算的研究方向和发展趋势，如何获取并分析社会媒体数据，以及如何使用社会计算分析社会网络，以此来构建一个更健康和谐的社会网络环境。

　　安俊秀，成都信息工程大学，女，教授，生于1970年。中国计算机学会高级会员；中国电子学会高级会员；成都市科技攻关计划评审专家；成都军区项目评审专家；汕尾市科技顾问团首席顾问。在科研工作方面，一直从事云计算与大数据、信息智能搜索与计算社会方面的研究工作。近五年来就此发表论文40余篇，核心期刊以上占15余篇。主编或参与完成专著3部、教材4部，6部由国家出版社出版。

第1章  社会计算概述    1
1.1  社会计算的研究背景及定义    2
1.2  社会计算的研究现状    5
1.3  社会计算的应用领域    8
1.4  社会计算的发展趋势    14
第2章  社会媒体概述    22
2.1  社会媒体的相关概念    23
2.2  社会媒体的特点    29
2.3  社会媒体面临的挑战    32
第3章  节点，联系与影响    34
3.1  社会网络    35
3.2  节点的重要性    36
3.3  联系的强度    41
3.4  社会影响建模    44
第4章  社会媒体数据获取与分析    49
4.1  社会传感器网络    50
4.2  观点挖掘    54
4.3  情感倾向分析概述    57
第5章  社区发现    65
5.1  社区的基本概念    66
5.2  社区发现的算法    67
5.3  社区评价    74
第6章  社交网络建模与分析    77
6.1  社交网络基本理论    78
6.2  社交网络信息传播研究现状    86
6.3  当前社交网络的信息传播模型    89
第7章  社交网络中虚假信息传播特点及控制算法研究    105
7.1  社交网络中虚假信息传播的特点    106
7.2  社交网络信息控制的研究现状    107
7.3  克隆选择算法概述    109
7.4  改进的克隆选择信息控制算法    112
7.5  改进的克隆选择信息控制算法实验及分析    120
第8章  微博网络节点影响力因素及度量算法分析    127
8.1  研究背景及意义    128
8.2  国内外研究现状    130
8.3  微博网络影响力关键因素分析    134
8.4  微博网络节点影响力关键因素度量研究    139
8.5  LeaderRank算法与UserRank算法分析    147
第9章  HowNet和Naive Bayes相结合的网络社会评论倾向性分析    165
9.1  网络社会评论倾向性分析概况    166
9.2  网络群体心理趋势智能分析模型架构    170
9.3  基于HowNet的情感词语资源的情感特征识别    181
9.4  基于朴素贝叶斯理论的分类器构造    191
9.5  HowNet和Naive Bayes相结合的网络社会评论倾向性分析
结构设计及实现    196
9.6  实验与结果分析    199
第10章  结论与展望    205
10.1  社会计算面临的挑战    206
10.2  社会计算的发展方向    209